Mastercardは、取引データを基に構築された生成AIシステムを導入し、セキュリティ、インサイト、パーソナライゼーションを強化

概要

マスターカードは、匿名化された取引データを用いてトレーニングされた生成AIの基盤モデルを開発し、インサイトの向上、不正検知、決済サービスの改善を図るとともに、ユーザープライバシーを保護しています。

テクノロジー企業であり、グローバルな決済ネットワークを持つマスターカードは、幅広い用途に対応できる大規模な基盤モデルとして設計された生成AIシステムを導入しました。このモデルは、個人識別情報を除去した企業所有のデータセットを用いて、数十億の決済取引から学習しています。匿名化されたパターンを分析することで、インサイトを生成し、将来の取引行動を予測することを目的としています。

このアプローチは、次の単語を予測する現代の会話型AIシステムに類似していますが、今回は対話生成を目的としたものではありません。代わりに、サイバーセキュリティ対策や顧客ロイヤルティプログラム、小規模事業者向けツールなど、既存のサービスを強化する分析エンジンとして開発されています。

このシステムは、NvidiaやDatabricksなどの主要なコンピューティングおよびデータインフラ提供企業の支援を受けており、大規模な処理と高速なモデル学習を可能にしています。同社は、この取り組みの成果を近く開催される業界会議で発表する予定です。

構造化された取引データを基盤としたAIモデルによる決済とセキュリティの強化

このモデルの基盤となるアーキテクチャは、テキストや画像、動画などの非構造化データを用いる一般的な大規模言語モデルとは異なります。代わりに、「大規模表形式モデル」と呼ばれるカテゴリに属し、表形式の構造化データセットを用いて学習します。トレーニングには、取引データを大規模に取り入れ、今後は加盟店の位置情報、不正検知指標、認証記録、チャージバックデータ、ロイヤルティプログラムの活動など、より広範なデータセットへと拡大する計画です。

データの範囲拡大は、パターンの識別能力を向上させ、より正確な予測を行うことを目的としています。特に、既存のシステムが不正検知に利用されているサイバーセキュリティ分野において、この新モデルの導入により、パターン認識の向上と誤検知の削減が期待されています。

現在のサイバーセキュリティモデルは、通常、データサイエンティストが作成した特徴量を用いて、支出の急激な変化など特定の信号を強調します。一方、新システムは、最小限の手動特徴量設計でこれらのパターンを学習し、従来の方法では見つけにくい関係性を識別できるよう設計されています。

初期のテストでは、従来の機械学習手法と比較して、特に正当な取引であっても稀なケースにおける誤検知の削減において、性能の向上が示されています。このシステムは、異常だが有効な活動と潜在的な不正行為とをより良く区別できる能力を持っています。

その他の応用例としては、パーソナライズ化システムの強化、リワードプログラムの最適化、ポートフォリオ分析の改善、より高度なデータ分析能力の実現などがあります。また、異なる地域や用途において、多数の専門モデルを維持する必要性を減らすことも期待されています。

今後の展望としては、モデルの機能拡張やアーキテクチャの洗練、APIや開発者ツールの導入による組織全体での利用促進が計画されています。技術パートナーとの継続的な協力により、進化を支援していく予定です。

この取り組みは、プライバシー保護や責任あるデータ利用、透明性を重視したデータガバナンス原則に沿って進められており、今後も決済や商取引システムの効率化、安全性向上、インテリジェンスの強化に寄与していく見込みです。